基于SVM的交通流短時(shí)預(yù)測(cè)方法研究.pdf

1、20世紀(jì)以來(lái)，交通運(yùn)輸業(yè)是拉動(dòng)國(guó)民經(jīng)濟(jì)快速發(fā)展的重要產(chǎn)業(yè)，其發(fā)展?fàn)顩r直接影響國(guó)民經(jīng)濟(jì)的健康運(yùn)行。幾十年來(lái)，各國(guó)交通事業(yè)者提出許多不同方法，嘗試為不同城市建立適應(yīng)自身實(shí)際狀況的智能交通系統(tǒng)(ITS)，試圖運(yùn)用交通信息系統(tǒng)、動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)等方法來(lái)解決城市交通存在的問(wèn)題，而對(duì)交通流的準(zhǔn)確預(yù)測(cè)是ITS實(shí)施動(dòng)態(tài)路徑誘導(dǎo)、交通分配、事故檢測(cè)等的前提，因此具有非常重要的意義。
　　本文在分析了交通流存在的特性后，根據(jù)混沌理論，研究了運(yùn)用最大L

2、yapunov指數(shù)對(duì)交通流的可預(yù)測(cè)性進(jìn)行判別，進(jìn)而對(duì)交通流時(shí)間序列進(jìn)行相空間重構(gòu)，以顯現(xiàn)交通流的內(nèi)在規(guī)律，為后文對(duì)交通流的短時(shí)預(yù)測(cè)構(gòu)建數(shù)據(jù)關(guān)系。最后從PeMS系統(tǒng)中選擇不同的交通流實(shí)測(cè)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)仿真，證明了選擇的交通流的確是可預(yù)測(cè)的。
　　本文在研究支持向量機(jī)(SVM)原理以及其用于解決回歸問(wèn)題的ε-SVR原理基礎(chǔ)上，分析了基于SVR的模型用于交通流短時(shí)預(yù)測(cè)的可行性，以及不同核函數(shù)(徑向基核、改進(jìn)核)和核參數(shù)對(duì)SVR模型的預(yù)測(cè)性

3、能的影響后，構(gòu)造了基于相空間重構(gòu)和SVR的交通流短時(shí)預(yù)測(cè)模型，并選擇網(wǎng)格法(GS)、粒子群算法(PSO)以及綜合改進(jìn)粒子群算法(IPSO)對(duì)SVR模型的相關(guān)參數(shù)進(jìn)行尋優(yōu)，構(gòu)建GS-SVR、PSO-SVR和IPSO-SVR預(yù)測(cè)模型，同時(shí)構(gòu)建基于BP網(wǎng)絡(luò)的預(yù)測(cè)模型用于對(duì)比研究。最后從PeMS系統(tǒng)中選擇工作日和節(jié)假日交通流實(shí)測(cè)數(shù)據(jù)分別對(duì)GS-SVR、PSO-SVR、IPSO-SVR和BP模型進(jìn)行實(shí)驗(yàn)仿真，并對(duì)預(yù)測(cè)交通流的相關(guān)預(yù)測(cè)性能指標(biāo)進(jìn)行對(duì)

4、比研究表明：基于BP網(wǎng)絡(luò)的交通流預(yù)測(cè)模型綜合性能差于基于SVR的交通流預(yù)測(cè)模型；在相同核函數(shù)下，基于IPSO的SVR模型相對(duì)基于PSO的SVR模型和基于GS的SVR模型能獲得更好的預(yù)測(cè)性能；在相同參數(shù)尋優(yōu)算法下，基于改進(jìn)核函數(shù)的SVR模型具有更好的預(yù)測(cè)性能。
　　通過(guò)粒子群參數(shù)尋優(yōu)的SVR模型耗時(shí)較長(zhǎng)，實(shí)時(shí)性不好。本文在研究了集成學(xué)習(xí)原理用于基于SVR的交通流短時(shí)預(yù)測(cè)的基礎(chǔ)上，著重分析了將Bagging算法和Boosting算法與